Abstract:
RESUMO:No presente estudo, objetivou-se comparar os modelos de Regressão Linear Múltipla
(RLM) e Redes Neurais Artificiais (RNAs) para predição de produtividade de grãos de
variedades crioulas de feijão-fava e avaliar a adaptabilidade e estabilidade para
recomendação da variedade com melhor desempenho. Foram conduzidos dois
ensaios de avaliação com dez variedades crioulas de feijão-fava, nos municípios de
Teresina - PI e São Domingos do Maranhão – MA, nas quais foram mensurados 11
caracteres em ambos os municípios, com exceção da produtividade de grãos no
município de São Domingos do Maranhão – MA. O método para predição da
produtividade de grãos mais adequado foi a Rede Neural Artificial, do tipo perceptrons
de múltiplas camadas, em comparação à Regressão Linear Múltipla, com base nos
parâmetros: coeficientes de correlação de Pearson e Spearman, raiz do erro
quadrático médio (RMSE), erro médio absoluto (MAE) e coeficiente de determinação
(R2). Para interação G x A, realizou-se análise conjunta para os caracteres avaliados
em Teresina - PI e São Domingos do Maranhão, que apresentaram correlação
significativa com a produtividade de grãos. Os dados de produtividade reais e preditos
foram submetidos à análise de adaptabilidade e estabilidade pelo método GGE biplot.
Os municípios de Teresina - PI e São Domingos – MA são considerados ambientes
discriminantes e representativos para a seleção de genótipos adaptados. As
variedades crioulas Mulatinha e Fava branca do MA se destacaram em ambos os
locais de avaliação e podem ser recomendadas se esse desempenho for confirmado
em avaliações posteriores.
ABSTRACT:In this presente study, objective was to compare the the Multiple Linear Regression
(RLM) and Artificial Neural Networks (RNAs) models for grain yield prediction of creole
varieties of lima bean and evaluate the adaptability and stability for recommendation
for the best performing variety. Two evaluation trials were conducted with ten creole
varieties of lima bean in the counties of Teresina - PI and São Domingos do Maranhão
– MA, in which 11 characters were measured in both counties, with the exception of
grain yield in the county of São Domingos do Maranhão - MA. The method for
predicting grain yield most appropriate was the Artificial Neural Network, of the multilayer
perceptrons type compared to the Multiple Linear Regression based on the
parameters: Pearson and Spearman correlation coefficients root mean square error
(RMSE), mean absolute error (MAE) and coefficient of determination (R2). For
interaction G x A, a joint analysis was performed for the characters evaluated in
Teresina -PI and São Domingos do Maranhão, which showed a significant correlation
with grain yield. The real and predicted productivity data were submitted to the
adaptability and stability analysis by the method GGE biplot. The counties of Teresina
- PI and São Domingos - MA are considered discriminating and representative
environments for the selection of adapted genotypes. The Mulatinha and Fava white
creole varieties of the MA stood out in both places of evaluation and can be
recommended if this performance is confirmed in later evaluations.
